基于深度证据网络从 3D PET-CT 图像中分割淋巴瘤
计算机视觉与模式识别
2022-11-21 v2
摘要
提出一种基于 Dempster-Shafer 理论与深度学习的证据分割方法，用于从三维正电子发射断层扫描(PET)与计算机断层扫描(CT)图像中分割淋巴瘤。该架构由深度特征提取模块与证据层组成。特征提取模块采用编码器-解码器框架从 3D 输入中提取语义特征向量。证据层随后利用特征空间中的原型，在每个体素处计算信念函数，量化该位置存在或不存在淋巴瘤的不确定性。比较了两种证据层，其基于不同的利用到原型的距离计算 mass 函数的方式。整个模型通过最小化 Dice 损失函数进行端到端训练。所提出的深度特征提取与证据分割的组合，在 173 名患者的数据集上优于基线 UNet 模型及其他三种最优模型。
引用
@article{arxiv.2201.13078,
title = {Lymphoma segmentation from 3D PET-CT images using a deep evidential network},
author = {Ling Huang and Su Ruan and Pierre Decazes and Thierry Denoeux},
journal= {arXiv preprint arXiv:2201.13078},
year = {2022}
}
备注
Preprint submitted to International Journal of Approximate Reasoning